面向文本分类的中文文本挖掘技术研究及实现
| 第1章 绪论 | 第1-12页 |
| ·选题背景及意义 | 第7页 |
| ·国内外研究现状 | 第7-10页 |
| ·本文的主要研究工作 | 第10-11页 |
| ·本文的组织 | 第11-12页 |
| 第2章 文本挖掘的概述 | 第12-21页 |
| ·文本挖掘的定义 | 第12页 |
| ·文本挖掘的过程 | 第12-13页 |
| ·文本挖掘常用技术 | 第13-14页 |
| ·文本挖掘分类 | 第14-16页 |
| ·文本挖掘中的研究课题 | 第16-18页 |
| ·文本挖掘的应用领域 | 第18页 |
| ·文本挖掘与相关研究工作的关系 | 第18-21页 |
| 第3章 中文文本分词的设计与实现 | 第21-33页 |
| ·分词词典设计 | 第21-25页 |
| ·GB2312-80介绍 | 第21-22页 |
| ·汉语词的特点 | 第22-23页 |
| ·词典结构 | 第23-25页 |
| ·分词词典构造 | 第25-28页 |
| ·常用静态词库 | 第25-26页 |
| ·构造词典 | 第26-28页 |
| ·分词算法 | 第28-30页 |
| ·主要的分词方法 | 第28-29页 |
| ·本系统采用的分词方法 | 第29-30页 |
| ·分词系统的实现 | 第30-32页 |
| ·分词预处理 | 第30-31页 |
| ·分词 | 第31-32页 |
| ·实验 | 第32页 |
| ·小结 | 第32-33页 |
| 第4章 文本分类的关键技术 | 第33-46页 |
| ·引言 | 第33页 |
| ·系统任务 | 第33-34页 |
| ·文本的表示 | 第34-36页 |
| ·特征项的抽取 | 第36-37页 |
| ·训练方法与分类算法 | 第37-38页 |
| ·支持向量机 | 第38-46页 |
| ·支持向量机研究背景 | 第38-39页 |
| ·线性支持向量机 | 第39-42页 |
| ·非线性支持向量机 | 第42-44页 |
| ·支持向量机和结构风险最小化原则 | 第44-46页 |
| 第5章 系统实现及其试验结果分析 | 第46-61页 |
| ·系统模型 | 第46-47页 |
| ·支持向量机中文文本分类算法的设计与实现 | 第47-54页 |
| ·基于支持向量机的文本分类过程 | 第48-50页 |
| ·支持向量机分类函数参数的确定(学习过程) | 第50-54页 |
| ·支持向量机方法进行文本分类(分类过程) | 第54页 |
| ·实验结果分析 | 第54-61页 |
| ·测试语料 | 第54-55页 |
| ·评价算法 | 第55-56页 |
| ·SVM方法中采用不同核函数的测试结果 | 第56-58页 |
| ·封闭测试和开放性测试比较 | 第58-59页 |
| ·评价结论 | 第59-61页 |
| 第6章 总结与展望 | 第61-64页 |
| ·全文总结 | 第61-62页 |
| ·下一步工作及展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
